30.03.2015 / Ilya Belomutov

Can a SharePoint dashboard be fun? Would a SAP BusinessObjects dashboard be joyful too? Or… should they?

A good sense of humour is usually considered a positive characteristic of a human being. And a professional individual possessing such a sense is appreciated even more by the people she works with, doesn’t she?

Sales steering dashboard
Managerial Dashboard

Dashboards – just like individual professionals – mediate between some knowledge area and the recipient. A professionally looking dashboard is strict, concise and to the point. In operations – where the dashboard visualises a process – a more “flashy” variant might be more appropriate. On the contrary, a managerial dashboard – that has the purpose to deliver vast amounts of information to an executive manager every day – has to be succinct and rich.

In this way, a dashboard is a medium that facilitates useful learning, frequent and repetitive – just like… a toy! Indeed, a child learns many aspects of this World by means of playing with toys for many years before he dives into the seriousness of pupilship, academia and work… Or is it just the toys that change? 🙂

Few CEOs and CFOs are likely to refer to their business-critical tool as a toy. Nevertheless, it might be an interesting metaphor to exploit. It implies simplicity, clarity, attractiveness and… an infinite variety of activities deriving just from the interpretation of the look of the object. Well-versed folks might call it informed decision-making. With decisions being the activities, the other characteristics derived from the metaphor might be directly applied to the dashboards design. Simplicity, clarity, attractiveness… Would it be easy to implement? Assuming the objective is well set by the ultimate consumer – yes, the implementation might be straightforward.

Analytical Dashboard
‘What-If’ Analytical Dashboard

For instance, shall the managerial objective be to increase turnover of the working capital and drive the return on capital employed (ROCE) upwards, then a dashboard-like what-if analysis tool would be a good business solution. Yet another example could be a sales overdue receivables dashboard which points directly to the actions for the accounts receivable managers. And so on… there is a clue to an action given by every dashboard, balanced scorecard and KPI-powered strategy map.

So, what’s the limiting factor in implementing successful ones? Might this be the perception of the notions themselves? At times, it might be difficult to abstract, hence the use of a metaphor.

And by the way, the original meaning of ‘dashboard’ is a board that protects the carriage passengers from the mud dashed up by the horses’ hooves.

Dashboard
The Original Dashboard (Source: Wikimedia.org)

Dashboards are fun, aren’t they? 🙂


25.03.2015 / Guest Writer

Xamarin on teknologiana mielenkiintoinen sikäli, että se tarjoaa mahdollisuuden kehittää monelle erilaitealustalle natiiveja sovelluksia hyödyntäen alustan kyvykkyydet 100% laajuudessa.

Liiketoiminta on siirtymässä tai siirtynyt pilveen ja ns. cross-platform on nykyaikaa sovellusten kehityksen saralla. Me Bilotilla halusimme testata nykyaikaisten Cross-platform ja pilviteknologioiden hyödyntämistä kehittääksemme liiketoimintalähtöisiä sovelluksia. Tällä kertaa teknologioiksi valittiin Xamarin ja Azure, sillä näimme että niillä pystymme saavuttamaan halutut tavoitteet.

Kehitys- ja sovelluselinkaari mielessä Xamarin on erinomainen teknologia, sillä se integroituu täydellisesti uusimpiin Microsoft kehitystyökaluihin ja saa tukea mm. Visual Studio Onlinesta sekä Microsoft Team Foundation Server:stä. Lisäksi Xamarin on luonnostaan hyvin pilvipalveluorientoitunut, kun puhutaan sovelluksen tausta- ja integraatiokerroksen arkkitehtuureista.

Xamarin tarjoaa myös erinomaisen lähtökohdan laajentaa jo olemassa olevien natiivisovellusten viemistä useammalle alustalle, esimerkiksi olemassaolevat iOS storyboard-konponentit voidaan käyttää suoraan hyödyksi. Olemme tehneet taustatyön teille valmiiksi todentaaksemme miten edellä mainittu työ on järkevintä projektoida ja mitä arkkitehtuureja sekä frameworkkeja kannattaa käyttää.

Microsoft Azure taas tarjoaa mitä erinomaisimman palvelualustan lähestulkoon mille tahansa arkkitehtuurille ja sen tarjoamista palveluista löytyvät myös mobiilisovelluksissa hyödynnettävät komponentit.

  • Erityisesti hyvää kokemusta olemme saaneet Azure Mobile Servicestä, joihin on kätevästi paketoituna kaikki perustoiminnot, kuten notifikaatiot, authentikaatio, REST-rajapinta ja tiedonpersistointi, joko eri Azuren tarjoamiin tallennusjärjestelmiin tai On-Premiseen.
  • Azure Mobile Servicen Azuren Hybrid Connection tarjoaa edellisten lisäksi mahdollisuuden liittyä mihin tahansa On-Premise LoB-järjestelmään mutkattomasti ja tietoturvallisesti.
  • Azure ei pelkästään ole erinomainen sovellus alusta, vaan sitä vasten kehittäminen moderneilla kehitystyökaluilla on hyvin helppoa ja tehokasta aina käytön- ja virheiden valvonnasta raakaan debukkaukseen asti.
  • Azuren hinnoittelumallin kautta saadaan erittäin hyvin ennustettavuutta ja tehokkuutta IT-kustannuksien kehittymisestä.

Yleisesti voidaan todeta että siirtyminen pilveen ei todellakaan ole vaikeaa kun käytössä on oikeat työkalut ja erinomainen alusta.

 

Bloggaaja Risto-Matti Ratilainen työskentelee Bilotilla konsulttina Microsoft teknologioiden parissa.

 


20.03.2015 / Ville Niemijärvi

Järjestämme yhdessä Ari Hovin kanssa keväällä kaksi edistyneen analytiikan kurssia. Joten jos syväoppiminen, prediktiivinen analytiikka, data mining ja kaikki mikä näihin liittyy on sinulle ajankohtaista, suosittelen osallistumaan.

Ensimmäinen perustason kurssi 17.4.2015 on kattavin läpileikkaus analytiikasta mitä tällä puolen Atlanttia on tarjolla. Sisältäen tuotevertailun, tukkukaupalla soveltamiskohteita, sudenkuopat, big data, livedemoja, arkkitehtuuria ja paljon muuta. Eli todella tuhti paketti, selkokielellä.

Jälkimmäinen ennustavan analytiikan kurssi 20.5.2015 on hands-on tekemistä eli kädet saveen ja käytännön harjoituksia koko päivä. Opit tekemään siis itse ennustemalleja käytännössä. Miltä tuntuisi osata ennustaa asiakaspoistumaa tai asiakkaan ostotodennäköisyyttä tarjoamallesi tuotteelle? No se tuntuu hyvältä, se on selvää. Mutta vielä maireampi hymy tulee huulille kun näkee miten se vaikuttaa viivan alle kun pääset laittamaan analyysin tuotantoon.

Alla vielä linkit kurssiohjelmiin Ari Hovin sivuille. Sieltä onnistuu myös ilmoittautuminen.

Edistynyt analytiikka perusteet 17.4.2015

http://www.arihovi.com/edistynyt-analytiikka/

Ennustava analytiikka 20.5.2015

http://www.arihovi.com/ennustava-analytiikka/


 

Kouluttautuminen kannattaa aina vaikka Pete onkin alla videossa vähän sarkastinen asiasta. Hän ei käynytkään Ari Hovin ja Louhian kurssilla vaikka kova jätkä olikin.


18.03.2015 / Ville Niemijärvi

Edellisessä kirjoituksessa muistutin miksi vähänkään isomman yrityksen ja vakavasti itsensä ottavan CIO:n ei kannata rakentaa yrityksensä tietoarkkitehtuuria ja johtamisjärjestelmää pelkästän Qlikin varaan. Tai minkään raportointityövälineen.

Turvallisempi, suorituskykyisempi, skaalautuvampi ja pitkällä tähtäimellä edullisempi ratkaisu on rakentaa se tietovaraston päälle.

Tästä huolimatta tiedän, että Suomessa valtaosa Qlik-ratkaisuista on tehty suoraan operatiivisten järjestelmien päälle.

Tällaisissa tapauksissa voidaan mennä parin vuoden sisällä todella syvälle suohon tai koittaa selviytyä tilanteesta kunnialla. Eli nyt tarkkana: kumpaan kastiin haluat kuulua?

Käyn seuraavaksi läpi jälkimmäisen vaihtoehdon; miten tehdä hyvä Qlik-ratkaisu ilman tietovarastoa.

Simuloi Qlikillä tietovarastointia

Qlikissä on alkeellinen sql:n kaltaiseen komentokieleen perustuva ns. etl-työväline. Voit ladata ja muokata sillä dataa aika monipuolisesti. Qlikissä on myös omat datatiedostot (tiedosto.qvd), joihin voi tallentaa suuria määriä tietoa, ennen kuin sen vie varsinaiseen qlik-sovellukseen (tiedosto.qvw).

Qlikillä on siis kaikki komponentit, joilla voidaan toteuttaa samankaltainen arkkitehtuuri ja toiminnallisuus kuin tietovarastossa. Lisäksi kun otat käyttöön muutamia parhaita käytäntöjä, jotka ovat tietovarastomaailmassa arkipäivää, pääset varmasti säädyllisen lopputulokseen (edelleen olet menossa perse edellä puuhun mutta nyt sentään tyylillä).

Seuraavassa on kolme tärkeää oppia tietovaraston maailmasta, jotka kannattaa ottaa käyttöön Qlik-ympäristöä toteuttaessa.

1. Tietomallinnus ja datan harmonisointi on tärkeintä

Tietovarastossa on tärkeää määrittää yhteiset käsitteet ja laskentasäännöt. Tietovaraston perusperiaatteita on datan yhteismitallistaminen – tarjota yhdet yhteiset luvut yhdestä paikasta.

Tähän päästään mallintamalla yrityksen tiedot, päättämällä miten se kate lasketaan tai mikä on yrityksen virallinen tuote- tai tilihierarkia. Miten hyvitykset ja alennukset huomioidaan myynnissä ja puhutaanko ylipäätään myynnistä, liikevaihdosta vai laskutuksesta.

Tämän lopputuloksena on tietomalli. Tai käsitemalli. Se kuvaa yrityksen tärkeimmät käsitteet ja niiden väliset suhteet selkokielellä. Tietomalli on tietovaraston sydän ja sisäelimet, runko ja ranka.

tietomalli
Tietomalli, joka sopii 9/10 suomalaisista tietovarastoista.

 

Tietomalli toimii ennen kaikkea kommunikointivälineenä IT:n ja liiketoiminnan välillä. Se auttaa myös Qlik-kehittäjiä hahmottamaan, miten eri tietokokonaisuudet linkittyy toisiinsa.

Qlik-sovelluksia tehdessä kannattaa käyttää hetki aikaa käsitemallinnukseen. Lupaan, että tämä maksaa itsensä takaisin moninkertaisesti.

2. Kerroksellinen arkkitehtuuri (2- tai 3-kerros)

Tietovarastot toteutetaan kerroksittain. Alunperin tietovarastoissa oli kaksi kerrosta: ns. datan latausalue (staging-tietokanta) ja varsinainen tietovarasto. Nykyään data vaultin myötä näkee 4-tasoarkkitehtuureja. Tätä samaa kerroksellisuutta kannattaa suosia Qlikissä.

Onkin erittäin tärkeää erotella Qlikissä data ja sovellukset toisistaan. Tallenna siis operatiivisten järjestelmien data kuten laskutus, ostotilaukset, varastosaldot, tuotteet… kukin omaan Qlikin datatiedostoon (qvd).

Määrittele lisäksi hallintamalli kullekin datatiedostolle ja dokumentoi latausrutiinit hyvin: millä syklillä, järjestyksellä ja millä logiikalla tärkeitä yhteisiä käsitteitä ja etenkin dimensioita päivitetään.

Tuotteet, asiakkaat, organisaatio, tilihierarkia jne. ovat useimmiten tärkeimpiä yhteisiä dimensioita. Määrittele näille tiedon omistaja, joka vastaa siitä, että dimensiot pysyvät kunnossa ja data on validia.

Näin datatiedostot ajavat tietovaraston virkaa. Tärkeimmät tiedot ovat keskitetyssä paikassa ja Qlikin sovellukset pystyvät myös lukemaan niitä huomattavasti nopeammin kuin operatiivisia tietolähteitä.

Pyri minimoidaan suoraan Qlik-sovelluksiin (esim. johdon työpöytä) tietojen lataaminen, vaikka se kuinka kivalta ja nopealta tuntuisikin. Se, että viet datan ensiksi qvd-tiedostoon, vie ehkä 15 min enemmän aikaa mutta vuoden sisällä tämä voi säästää sinulta 15 päivää. Lue aiheesta lisää: Usain Bolt Jukolan viestissä.

3. Datan yhteiskäyttö: pyritään yhteen totuuteen

Kun datat on keskitetysti ylläpidetyissä datatiedostoissa, voit käyttää samoja tiedostoja useissa eri sovelluksissa. Tuotteita saatetaan tarvita kymmenellä eri sovelluksella ja raportilla – nyt se haetaan kaikille raporteille yhdestä keskitetystä paikasta. Sama pätee myynteihin, ostoihin, saldoihin, kiertonopeuksiin ja muihin tärkeisiin mittareihin.

Tällöin käyttäjät saavat yhteismitallista tietoa mutta helpotat myös IT-osaston työtä kun tiedot ovat helpommin hallittavissa kun liittymiä on vähemmän ja laskentalogiikat hallitaan keskitetysti.

Yhteenveto

Vaikka päädyt innoissasi tekemään Qlik-ratkaisun ilman raportointikantaa tai tietovarastoa, älä hätäänny. Plöröt on housuissa mutta ne voi pestä ja tilanteesta voi selvitä kunnialla. Tässä tiivistetyt ohjeet:

  1. Tee tietomalli
  2. Tee kevyt hallintamalli, määritä latausrutiinit ja tiedon omistajuudet
  3. Erota data ja sovellukset toisistaan (2- tai 3-tasohierarkia)
  4. Yhteismitallista ja yhteiskäytä: pyri yhteen yhteiseen totuuteen

Alla vielä kuvina miten Qlikillä voi tehdä a.) tuhoa b.) kohtuullisen fiksusti ja c.) todella järkeviä ja kestäviä ratkaisuja. Valinta on sinun (kuten vastuukin).

Qlik arkkitehtuuri tehtynä väärin
Qlik sillisalaatti: älä lataa sovelluksiin tietoa suoraan lähdejärjestelmistä.

 

Qlik arkkitehtuuri tehtynä lähes oikein
Erottele data- ja sovelluskerros toisistaan. Näin simuloit tietovarastointia ja teet eheämmän kokonaisuuden.

 

Qlik arkkitehtuuri tietovaraston kanssa on kestävä
Fiksuin ratkaisu on kuitenkin rakentaa Qlik-ratkaisu tietovaraston päälle. Näin varmistat modulaarisuuden, turvallisuuden, skaalautuvuuden ja suorituskyvyn.

15.03.2015 / Ville Niemijärvi

Olen kirjoittanut aiheesta Qlik ja tietovarastointi aiemminkin (Qlik ilman tietovarastoa on kuin talo ilman perustuksia) mutta törmään jatkuvasti uusiin asiakkaisiin ja Qlik-toimittajiin, jotka sinnikkäästi uskovat, että on ihan fiksua rakentaa yrityksen tietoarkkitehtuuri puhtaasti Qlikin varaan.

Sanon suoraan: teette virheen. Mitä isompi putiikki ja mitä isommassa merkityksessä tieto on teillä, sitä isomman virheen teette. Kerron seuraavaksi miksi.

5 syytä miksi Qlik ilman tietovarastoa on typerä ratkaisu

  1. Qlik ei ole tarkoitettu organisaation tiedon tallennusalustaksi, tietovarasto on
  2. Qlik ei ole integraatioalusta, tietovarasto on
  3. Tiedon lukeminen ulos Qlikistä (esim. budjetointiin, analytiikkaan, ERP:iin, CRM:ään..) ei onnistu, tietovarastosta onnistuu
  4. Qlik ei ole ammattimainen tiedon muokkaussovellus (ns. etl-sovellus)
  5. Qlik ei ole vaihtoehto master data –ratkaisuksi, tietovarasto on

Qlik on markkinoiden johtavia tiedon visualisointi ja raportointivälineitä. Se on siinä todella hyvä. Olen käyttänyt sitä yli 6 vuotta ja se on omassa roolissaan mahtava. Mutta kaikessa muussa yllämainitussa, se on keskinkertainen tai todella huono.

Teetkö pistemäistä ratkaisua vai kestävää, monikäyttöistä tietoarkkitehtuuria?

Jos aiot tehdä pistemäisen raportointiratkaisun, esimerkiksi vain ja ainoastaan myynnin tarpeisiin, voit tehdä sen huoletta Qlikillä suoraan ERP:stä tai mistä tahansa järjestelmästä.

Tiedon harmonisointi ja hallinta
Mutta jos aiot rakentaa laajemmin yrityksen tietoarkkitehtuuria, haluat rakentaa yhden yhtenäisen paikan esimerkiksi masterdatalle tai määritellä yhteiset käsitteet (asiakas, tuotehierarkia, kate + muut tärkeät kpi-mittarit) ylitse järjestelmä- ja osastorajojen ja hallita näitä keskitetysti, ei tätä kannata missään nimessä rakentaa puhtaasti Qlikin varaan.

Integraatiot
Tietovarastoa ei pidä ajatella vain raportoinnin tietolähteenä (ja hidasteena). Tietovarasto on usein välttämätön ennakoivan analytiikan toteutuksissa. Se toimii myös yhä useammin integraatioalustana kun siellä laskettua business logiikkaa ja analyysien tuloksia halutaan viedä esimerkiksi CRM:ään, taloushallinnon järjestelmiin tai takaisin ERP:iin.

Modulaarisuus ja riskien hallinta
Tietovarasto tuo myös ratkaisuun modulaarisuutta ja on elintärkeä riskienhallinnan kannalta. Kun liiketoimintalogiikka, käsittelysäännöt ja historiadata on tietovarastossa (ja siihen liittyvässä etl-sovelluksessa), voidaan tarvittaessa raportointisovellus heittää hiiteen ja ottaa milloin vain uusi tilalle. Samoin ERP-järjestelmä voidaan vaihtaa ja vanhat tiedot jäävät talteen. Puhtaasti Qlikin varassa oleva yritys on suoraan sanoen lirissä siinä vaiheessa kun ERP menee vaihtoon tai halutaankin siirtää raportointi vaikka sitten Tableauhun.

Kestävä arkkitehtuuri vs. sillisalaatti

Alla on kaksi kuvaa. Ensimmäisessä on raportointiarkkitehtuuri rakennettu Qlikin varaan suoraan operatiivisista tietolähteistä.

Qlik arkkitehtuuri ilman tietovarastoa on kestämätön ratkaisu
Qlik-sovellusarkkitehtuuri ei ole kestävä ratkaisu tiedon tallennusalustaksi.

Jälkimmäisessä kuvassa alla on rakennettu kestävämpi ratkaisu tietovaraston pohjalle. Tämä mahdollistaa tiedon integroinnin 3. osapuolen tuotteisiin, raportoinnin vaihtoehtoisilla tuotteilla sekä ennakoivan analytiikan hyödyntämisen – kaikki yhdestä lähteestä.

Edelleen on mahdollisuus raportoida Qlikillä suoraan operatiivisista tietolähteistä.

Tietovarastoarkkitehtuuri ja Qlik
Tietovarastoarkkitehtuuri luo kestävän ja monikäyttöisen pohjan sekä raportoinnille, analytiikalle että integraatioille muihin järjestelmiin.

 

Milloin Qlik ilman tietovarastoa on järkevä ratkaisu

Jos vastaat alla oleviin kysymyksiin kaikkiin “kyllä”, on ihan OK rakentaa raportointi puhtaasti Qlikin varaan:

  1. Sinulla on vain yksi lähdejärjestelmä, tietoa ei tarvitse harmonisoida
  2. Lähdejärjestelmäsi ei tule koskaan vaihtumaan
  3. Et tule koskaan luopumaan Qlikistä
  4. Tietoa ei tarvitse integroida muihin järjestelmiin ja siirtää pois Qlikistä, esim. CRM:ään, ERP:iin tai ennakoivan analytiikan tarpeisiin.
  5. Sinulla on varaa sijoittaa koko touhuun max. 20 000€ (jonka tietovarasto usein vähintäänkin vie).

Olen viimeisen vuoden aikana keskustellut noin kourallisen yrityksiä kanssa siitä, miten he ovat menneet solmuun puhtaasti Qlikiin perustuvan arkkitehtuurin kanssa. He halusivat edetä nopeasti ja saivatkin tuloksia aikaan. Sitten raportointi laajeni, vaatimukset kasvoivat ja nyt pelkkä Qlik-ratkaisu on kestämätön. Ja nyt he maksavat siitä kovan hinnan kun koko hoito rakennetaan uudestaan.

Tämä sama koskee tietenkin myös Tableauta ja Microsoftin PowerBI –tuotteita. Tai oikeastaan mitä tahansa business intelligence -tuotetta.

Voit mennä perse edellä puuhun, kyllä niinkin sinne pääsee. Mutta jos käytät hetken aikaa miettiäksesi miten sinne puuhun kannattaa kiivetä, pääset sinne nopeammin ja turvallisemmin.


12.03.2015 / Lasse Liukkonen

Prospektointi, kohdennetun uushankinnan määrittely, on avainasemassa yrityksen myyntistrategiassa.

Vanhoilliset myynnistä vastuussa olevat henkilöt yleensä ajattelevat, että myyjien tulee itse haalia kasaan potentiaaliset uusasiakkaat ilman mitään systemaattisia/analyyttisiä apukeinoja, ”valistuneita vihjeitä”. Yleensä myyjillä ei ole edes pääsyä, osaamista tai kiinnostusta porautua nykyiseen asiakaskantaan ja/tai vanhoihin myyntiponnistelutietoihin.

Myyjien aikaansaannokset edellämainituissa tilanteissa ovat heikommat kuin yrityksellä, jossa käytetään systemaattista myynti-/prospektointistrategiaa asiakaslistojen tekemisessä. Tietysti useista yrityksistä löytyy niitä huippumyyjiä, jotka vuodesta toiseen louhivat yritykselle malmia huonoinakin aikoina, omien kontaktilistojensa avulla. Tämänkaltaisien huippuosaajien tekemisiä ei tietenkään ole järkevää häiritä strategiamuutoksilla prospektoinnin osalta.

 Prospektointi on yritysliiketoiminnan avaintekijä

On luonnonlaki, että asiakkaita karkaa jatkuvasti kilpailijoiden taskuun, tekipä yrityksesi kuinka hyvää jälkeä tahansa asiakkaan tarpeiden tyydyttämiseksi. Aina tulee uusia innovaatioita ja tarjouksia, jotka saavat asiakkaasi päät kääntymään kohti kilpailijaa. Tästä syystä asiakkaiden uushankinta ja systemaattinen prospektointi on elintärkeä osa liiketoiminnan kasvattamisen ja kannattavuuden ylläpitämisen kannalta.

 Oikein toteutettu prospektointi kohdentaa markkinointia/kampanjointia/myyntiponnisteluita oikeille asiakkaille ja kasvattaa tätä kautta myynnin konversiota ja pitkäaikaista tuottoa

Taannoin, kännykkäliittymien myyjien löyhistä myyntipuherajoitteista nousi suuri kohu. Liittymiä myytiin kottikärryttäin, päivässä. Myynnin konversioaste oli suuri, mutta mikä olikaan kohdeyrityksen tuotto pitkällä aikavälillä? Huono, sillä suurin osa liittymien ostajista, uusista asiakkaista irtisanoi sopimuksensa vuoden päästä, eivätkä käyttäneet liittymää aktiivisesti vuoden aikana (liittymät eivät sisältäneet kuukausimaksuja ensimmäisenä vuotena). Maksimoitiin ostotodennäköisyys myyntipuheilla, mutta kohdeyrityksen kannalta pitkäaikaistuotto oli surkea, käytännössä muodostui vain kuluja.

Myöskään suuren odotetun pitkäaikaistuoton perässä ei kannata liian kauaa haikailla, jos asiakkaan ostotodennäköisyys on marginaalisen pieni. Markkinointiponnistelut syövät jatkuvasti yrityksen kassaa, eikä kassavirran kääntymistä prospektilta yritykselle ole näköpiirissä.

Prospektoinnissa ei siis riitä tarkastella yksittäisiä mittareita vaan useiden kombinaatioita yrityksen nykytilan ja resurssien mukaisesti.

 

Analyyttinen prospektointi, mihin kysymyksiin se vastaa?

Analyyttisellä prospektoinnilla tarkoitetaan tilastollisin menetelmin prospektilistan muodostamista, sekä avaintekijöiden kaivamista tietovarannoista. Analyyttistä prospektointia voidaan pitää erityisen tärkeänä yrityksessä, jossa myyjiä on useita ja potentiaalisia asiakkaita paljon; ei ole mahdollista validoidusti käydä läpi kaikkia potentiaalisia asiakkaita manuaalisesti. Analyyttinen prospektointi luo vertailukelpoisia mittareita, tarvittaessa (käytännössä) rajoittamattomalle määrälle potentiaalisia asiakkaita.

Analyyttisen prospektoinnin tavoitteena on vastata yleisesti ottaen seuraavankaltaisiin kysymyksiin:

  • Kuinka todennäköistä on se, että yksittäinen prospektilistan potentiaalinen asiakas vastaa myönteisesti esimerkiksi kampanjakirjeeseen tai myyntiponnisteluihimme?
  • Kenelle prospekteille kannattaa myyntiresurssit kohdentaa maksimoidakseen yrityksen asiakaskohtaisen odotetun tuoton tulevaisuudessa?
  • Kuinka monta uutta asiakasta kampanja tuottaisi yrityksellemme (markkinoitavien/prospektien joukosta)?
  • Miten markkinointikanava, myyntipanostus, myyjä, asiakasprofiili vaikuttavat prospektin ostotodennäköisyyteen?
  • Kuinka kauan prospektoitavan ”uskotaan” pysyvän asiakkaana?

Mitä seikkoja analyyttisen prospektoinnin suunnittelussa tulee ottaa huomioon?

Yrityksen tietovarallisuus

Onko yrityksen tarvetta turvautua ulkopuolisiin palveluntarjoajiin lisätietojen hankkimiseksi vai riittääkö heidän oma tietovarallisuus analyysien suorittamiseen?

Oman yrityksen liiketoiminnan ominaispiirteiden huomioonottaminen

Harrastaako yritys sopimusliiketoimintaa vai ei? Vai mahdollisesti molempia?

Sopimusliiketoiminta yritykset, esim. teleoperaattorit :

  1. Asiakas solmii sopimuksen, joka useassa tapauksessa takaa yritykselle jatkuvaa rahavirtaa vuosi-/kuukausimaksujen muodossa
  2. Yritys tietää täsmälleen milloin asiakas on poistunut (sopimus irtisanottu)
  3. Yrityksillä yleensä kattavammat tiedot asiakkaista
  • Prospektoinnin pääpaino asiakkuuden keston ennustamisessa (takaa jatkuvan rahavirran), sekä sopimuksen allekirjoittamistodennäköisyydestä (ostotodennäköisyys)

Ei-sopimusliiketoiminta yritykset, esim. vähittäistavarakaupat:

  1. Asiakas ostaa silloin kuin hänestä siltä tuntuu (ei jatkuvaa rahavirtaa)
  2. Yrityksen vaikea täsmällisesti määritellä milloin asiakas on poistunut (= ”asiointi loppunut pysyvästi”)
  3. Yrityksellä joitakin tietoja asiakkaasta (kanta-asiakaskortin/etuohjelman kautta enemmän)
  4. Asiakkailla mahdollisuus ostaa myös kilpailijalta palveluita ”asiakkuuden aikana”
  • Prospektoinnin pääpaino asiakkaan uudelleen ostamisen todennäköisyydessä ja ostotiheydessä

Ylhäällä mainitusta erottelusta johtuen, analysointimenetelmät (tilastolliset/tiedonlouhinta mallit)  voivat vaihdella merkittävästi, vähintäänkin saatavilla olevien asiakkaan taustatietojen toimesta.

Prospektointi_kuva

 

Menetelmällisesti huomioonotettavat seikat?

Tarkasteltaessa prospektoinnin menetelmäteoreettista taustaa tulee ottaa huomioon useita eri seikkoja. Tässä mainittuna muutama asia, jotka helposti voivat jäädä huomiotta:

  • Nykyiset asiakkaat ja prospektit eivät ole samalla lähtöviivalla kaikkien taustamuuttujien osalta
  • Tarkastellessa esimerkiksi asiakkaan odotettua ensiostoksen suuruutta, huomaa, että se koostuu käytännössä kahdesta osasta: Asiakkaan ostotodennäköisyydestä ja odotetusta ensimmäisen ostoksen suuruudesta, ehdolla, että asiakas ostaa
  • Edellämainittuun huomioon liittyy vahvasti käsite otantaharhasta, joka aiheutuu aineiston valikoitumisesta (malli paljastaa onko otantaharha merkittävä)

 

Yleisesti esiintyvät analyyttisen prospektoinnin haasteet?

  • Yleensä yritykset eivät taltioi riittävän systemaattisesti myyntiponnisteluista ja/tai markkinointikampanjoista saatavia tietoja, varsinkaan niistä epäonnistuneista.
  • Vähäinen tiedon määrä asiakkaista ei-sopimusliiketoiminnan yrityksissä, yleensä tiedossa ”vain” alueelliset tunnusluvut (esimerkiksi tilastokeskuksen PAAVO-avoinrajapinta). Yleensä kuitenkin alueellisetkin tiedot auttavat parantamaan kohdentamista.
  • Yksinkertaisesti yrityksen tietojen varastointi on kuralla, tietoa on runsaasti, mutta oleellisien tietojen kasaan parsiminen on suhteettoman työlästä ennen ensimmäisien prospektointituloksien saamista

Kuvitteellinen esimerkki analyyttisesta prospektoinnista (B2B)

Yrityksen tietovarallisuus:

  • Alueelliset tiedot potentiaalisista asiakkaista, sekä nykyisistä asiakkaista
  • Myyntiponnistelutiedot (myös epäonnistuneista ponnisteluista): käytetyt resurssit myyntiponnisteluihin, ”ensiostoksen”/sopimuksen rahallinen arvo
  • Kohde yritysten tunnusluvut: yrityksen koko, yrityksen liikevaihto, yrityksen toimiala
  • Myynti-/ostotiedot nykyasiakkailta (ristiinmyynti, kokonaismyynti,ostotiheys,jne…)

Prospektointianalyysin antamia tuloksia:

  • Prospektikohtaiset ostotodennäköisyydet
  • Odotetut asiakkuuden kestot
  • Odotettu ensiostoksen/sopimuksen suuruus
  • Odotettu asiakaskohtainen tuotto tulevaisuudessa

Mallien tuomia tulkintoja:

  • Käytetty lisä X euroa asiakaskohtaiseen myyntiponnisteluun kasvaa ostotodennäköisyyden “riski” Y kertaiseksi
  • Kohdeyrityksen koon kasvaminen yhdellä henkilöllä kasvattaa ostotodennäköisyyden ”riskiä” Y kertaiseksi
  • Kohdeyrityksen varallisuuden kasvaessa X eurolla kasvattaa ostotodennäköisyyden ”riskiä” Y kertaiseksi
  • Myyntikanavassa A ostotodennäköisyyden “riski” on Y kertainen verrattuna myyntikanavaan B
  • Toimialalla A toimivilla yrityksillä ostotodennäköisyys on 2 kertaa suurempi kuin toimialalla B
  • Y1 prospektoitavan joukosta odotettu uusien asiakkaiden lukumäärä on Y2. Odotettavien uusien asiakkaiden lukumäärä Z1 todennäköisemmän ostajan joukossa on Z2
  • Mitä tiheämpään asiakas on ostanut sitä pidempi on odotettu asiakkuuden elinkaari
  • Mitä enemmän asiakkaalle on saatu suoritettua ristiinmyyntiä sitä pidempi on asiakkuuden kesto
  • Asiakkaan hankintaan käytetty euromääräinen kasvu lisää sekä ostotodennäköisyyttä, että ensiostoksen suuruutta merkittävästi, tätä kautta odotettua ensiostoksen suuruus myös kasvaa
  • Mitä suurempi ensiostos on sitä suurempi on myös asiakaskohtainen odotettu tuotto tulevaisuudessa

Tulokset ja niiden tulkittavuus riippuvat vahvasti valituista mallinnusmenetelmistä, sekä toteutustavoista. Analyyttisen prospektoinnin jatkuva seuranta ohjaa prospektointistrategian ja menetelmällisen puolen toimivuutta ja tarvittavia muutoksia.

Seuraavassa kirjoituksessa pureudumme asiakaspitoon.


10.03.2015 / Kristiina Burtsoff

It is time for HR to step out of its comfort zone and make its way boldly into the customers’ business. This would create a much more business driven HR, which would be customer oriented, competitive and strategic.

Strategic human resource management is changing. Many companies don’t use the words human resource anymore, because they say that this definition underrates people and assimilates them to other, less valuable commodity resources like energy or other consumables. I think this word game is pointless and the word resource is still legitimate in some connections, as long as it does not lead to people being considered as merely pairs of hands. People are resources in the sense that we may use their skills, wisdom and capacity as valuable assets to make things happen in our customer’s business. Wikipedia’s definition is appropriate. It states that a resource is a source or supply from which benefit is produced. Indeed, human resources create benefit and value to our customers.

Almost every company has its HR processes in place. If not perfectly aligned with business’ needs, but most likely the basics are outlined. In my opinion traditional HR processes are multiple but they are relatively simple to develop and maintain. People-flows, performance management, competence management. Check. Compensation and benefits. Check. But what then?

I took part in a recruitment company’s survey today. They asked which part of the recruitment process is so hard for us, that we would consider using external help. Options were: formulating the role description, posting the ad to relevant recruitment channels, answering the applicants, interviewing, and so on. None of these are hard, none of these are too much to handle for our HR team, or should be too much for any HR team. What is hard is finding the true talents, attracting them so much that they would answer our call/e-mail, even meet us at some point… This calls for marketing. This means HR should stop spending time on writing perfect role descriptions and rather start marketing the attractive workplace and competitive career opportunities. This means connecting and working together with marketing people, learning their skills and getting to know their networks and ways of working.

Another viewpoint which is relatively new for HR is that of the customer and their business. Typically we do our homework about our own business and competencies we deal with, but how much do we really know about and understand our customers’ problems. A little, or not at all, would be the honest answer. But how can we be good in hunting the right talent, if we have no idea what kind of value our talents/resources/people would bring to our customers business? There are more attributes to talent than just the flawless CVs we like to read. Interaction with sales and business management is the bare minimum for HR to learn about the customers. Ideally, HR should interact directly with customers to generate genuine insight on which kind of resources or human assets are needed to maximize the customer benefit. Today and tomorrow.


5.03.2015 / Jani Liimatta

Järjestyksessään kolmas SQLRally Nordic järjestettiin 2-4.3.2015 Kööpenhaminassa. Paikalla oli 550 SQL Server huippuammattilaista 25:stä eri maasta. Suomalaisia oli paikalla ehkä viitisentoista. Puhujina oli maailman kärkiosaajia mm. Itzik Ben-Gan, Rafal Lukawiecki, Brent Ozar, Marco Russo jne.

Mitäs ihmettä, Louhian vanhojen nettisivujen foliohattupoika jatkaa seikkailuitaan Microsoftin lakanassa
Mitäs ihmettä, Louhian vanhojen nettisivujen foliohattupoika jatkaa seikkailuitaan Microsoftin lakanassa

Pass on voittoa tavoittelematon järjestö http://www.sqlpass.org/AboutPASS.aspx. Erilaista toimintaa on kaikilla mantereilla, yksi toimintamuoto ovat nämä suuremmat SQLRally-tapahtumat. Kansallisia pienempiä tapahtumia järjestetään useammin, näissä on vaihtuvia agendoja ja vaihtuvia puhujia.

Asiaa oli tarjolla niin runsaasti että oli välillä todellisia vaikeuksia valita samanaikaisesti tarjolla olleista luennoista ne kiinnostavimmat. Muutamia poimintoja.

Itzik Ben-Gan: Range-problematiikka, miksi range ei SQL:ssä osu indeksiin – ja miten tämän voi kiertää
http://sqlmag.com/database-development/optimization-tips-multiple-range-predicates-part-1
Kannattaa todellakin opetella Sequence sekä esim. Window-funktioiden tehokas käyttö. Surrogaatit kannattaa jatkossa toteuttaa sequencella cache määritellen.

Paresh Motiwala: Database Forensics
– Pitäisiköhän itsekin alkaa lisäämään projekteissa yksinkertaisia menetelmiä joilla voisi valvoa SQL Serverin muutoksia, esim. perus-konfiguroinnit hash:illa talteen, samoin SQL Serverin käyttämät asennustiedostot – sekä automaattinen vertailu mahdollisten tunkeutujan tekemien muutosten varalta? Tai yksinkertaisen honeypot:in luonti SQL Server-ympäristöön? Jaa että mikäs se sitten on…?
Tai käyttää vaikka wft:tä http://www.foolmoon.net/security/wft/

Marco Russo
– PowerBI:n tavoite ei olekaan korvata mitään olemassaolevaa raportointivälinettä – vaan tarjota jotain aivan uutta. Eli ainakin toistaiseksi suurin hyöty saadaan pilvipalveluiden yhteydessä. Uusi versio antaa ulkopuolisille pilvipalveluille mahdollisuuden luoda valmis PowerBI-tietomalli (löytyy jo esim. Zendesk, SalesForce jne). Tästä valmiiksi tarjotusta tietomallista käyttäjän on hyvin helppo imaista data ulos suoraan PowerBI:hin ja luoda yksinkertaista drag ‘n’ drop-raportointia. Valitettavasti Microsoftilta ei saatu puristettua ulos tietoa siitä mikä on politiikka
enterprise-tason raportointityövälineen kanssa. PowerBI:stä ei taida siinä mielessä olla todellista vastusta vielä moneen vuoteen Qlik:ille, Tableaulle, SAP:ille tai Pyramid Analytics:ille.

Peter Myers
Big Data with Excel (and Azure). Perusraportoinnin kannalta Hadoopin ongelma on vielä toistaiseksi isot latenssit. Datan määrästä välittämättä yksinkertaisetkin kyselyt vievät pahimmillaan minuutteja. Microsoftin vastaus tähän on edelleen perinteiset tietomallit, esim. PowerBI tai SQL. Lyhyesti – viedään Big Data sinne mihin se kuuluu. Mutta meitähän ei
kiinnosta kuin joku tietty osa siitä. Esim. Hivellä voidaan saada Hadoopista vaikka ajastetusti sitä mielenkiintoista dataa irti perinteisiin tietomalleihin siirrettynä. Tämän jälkeen raportointi on nopeaa, ilman ylimääräisiä latensseja.

Siinä pieni pintaraapaisu tilaisuuden aiheisiin. Tällaista tietopakettia ei muualta olisi kolmessa päivässa saanut. Siltikin tällaisten tilaisuuksien suola ja ehkä jopa paras anti ovat käytäväkeskustelut muiden asiantuntijoiden, kilpailijoiden, asiakkaiden, tuttujen ja tuntemattomien kanssa. Oli hyvin antoisaa vaihtaa muutama sana mm. DbPro:n, Viklon ja Lindorffin kavereiden kanssa. Unohtamatta tietysti niitä tanskalaisia, ruotsalaisia, brittejä ynnä muita joiden kanssa tuli jutusteltua asiasta ja asian vierestä.

Yksi asia jäi jälkikäteen mietityttämään. Miksi meitä suomalaisia oli siellä paikalla surkeat viitisentoista henkeä? Missä olivat kollegat kilpailijoilta, osaajat asiakkailta? Oliko PASSi hukassa? Jäitte paljosta paitsi. Toivottavasti SQLRally tai vähintäänkin SQL Saturday saadaan järjestettyä tulevaisuudessa täällä kotimaassakin. Kollegat, aktivoitukaa.
Vähin mitä voitte tehdä on liittyä Pass Helsinki LinkedIn-ryhmään ja seurata järjestettäviä tapahtumia.

Ryhmässä on ollut hetki hiljaista mutta oli Kööpenhaminassa puhetta että yritetään saada ainakin yksi tapahtuma aikaiseksi vielä tälle keväälle pääkaupunkiseudulle.

https://www.linkedin.com/groups?home=&gid=3944787

Loppu hyvin, kaikki hyvin ja päivärahatkin tuhlattu etukäteen.
Loppu hyvin, kaikki hyvin ja päivärahatkin tuhlattu etukäteen.